美女被后入内射视频,小黄片午夜视频在线播放,亚洲欧美一区二区三区国产精图文

機(jī)器之心編譯
參與：黃小天、蔣思源
著名物理學(xué)家、加州理工學(xué)院教授以及暢銷(xiāo)書(shū)作者理查德·費(fèi)曼（）離開(kāi)人世的那一天，其教室的黑板上寫(xiě)著：「我不能創(chuàng)造的，我也不理解（What I, I do not ） ?！?br /> 當(dāng) Ian解釋其在谷歌大腦正進(jìn)行的研究時(shí)，他引用了費(fèi)曼的這一格言，但他指代的不是自己或者谷歌的任何員工，而是機(jī)器：「人工智能不能創(chuàng)造的，其也不理解（What an AI, it does not ） ?！?br /> 是當(dāng)今人工智能領(lǐng)域最重要的研究者之一，在（谷歌大腦的競(jìng)爭(zhēng)者，由 Elon Musk 和 Sam聯(lián)合創(chuàng)建）短暫工作之后，他又重返谷歌，組建一個(gè)新的研究團(tuán)隊(duì)探索「生成模型」，其可以創(chuàng)建圖片、聲音和真實(shí)世界的其他表征。同意費(fèi)曼的觀點(diǎn)，認(rèn)為這一努力是實(shí)現(xiàn)所有人工智能的一條重要路徑。
Ian說(shuō)：「這會(huì)促進(jìn)人工智能學(xué)習(xí)真實(shí)存在的世界結(jié)構(gòu) 。」
「如果人工智能對(duì)世界的想象包含真實(shí)細(xì)節(jié)，即懂得如何生成真實(shí)的圖像和聲音，這會(huì)促進(jìn)人工智能學(xué)習(xí)真實(shí)存在的世界結(jié)構(gòu) ?！?解釋說(shuō) 。「世界結(jié)構(gòu)可以幫助人工智能理解其看到的圖像或聽(tīng)到的聲音 ?！?br /> 2014 年還是蒙特利爾大學(xué)的一名博士生，在酒吧的一次醉酒爭(zhēng)論后，他就已在構(gòu)想著一種稱為「生成對(duì)抗網(wǎng)絡(luò)」或者 GAN 的人工智能技術(shù) 。然而，醉酒帶來(lái)了靈感，這是一個(gè)十分優(yōu)雅的想法：第一個(gè)人工智能創(chuàng)造逼真圖像，第二個(gè)人工智能分析其結(jié)果，并確定這張圖像是真是假。說(shuō)：「你可以將此看作是一位藝術(shù)家（生成模型）和一位藝評(píng)家，藝術(shù)家想要愚弄藝評(píng)家，使其相信藝術(shù)家的生成的圖像是真的 ?！褂捎诘诙€(gè)人工智能在鑒別圖像真假上十分賣(mài)力，第一個(gè)人工智能可從其學(xué)到通過(guò)自學(xué)無(wú)法學(xué)到的方式來(lái)仿制逼真圖像。在這一過(guò)程中，這兩個(gè)神經(jīng)網(wǎng)絡(luò)不斷推動(dòng)人工智能前進(jìn)直到有一天計(jì)算機(jī)可以脫離人類(lèi)的指導(dǎo)而存在。
監(jiān)管整個(gè)人工智能研究的 Yann LeCun 說(shuō)：「GAN 是近 20 年來(lái)深度學(xué)習(xí)領(lǐng)域誕生的最酷想法。」深度學(xué)習(xí)是人工智能的一個(gè)分支計(jì)算機(jī)的應(yīng)用人工智能，其改變了包括谷歌、微軟、亞馬遜以及在內(nèi)的所有互聯(lián)網(wǎng)巨頭的發(fā)展發(fā)向。的想法仍然有待完善，但已快速擴(kuò)展到整個(gè)人工智能領(lǐng)域。許多研究者，包括 LeCun，認(rèn)為他們可以通過(guò)它實(shí)現(xiàn)「無(wú)監(jiān)督學(xué)習(xí)」。即這一人工智能研究領(lǐng)域的偉大抱負(fù)：實(shí)現(xiàn)無(wú)需人類(lèi)直接干預(yù)的機(jī)器學(xué)習(xí) 。
步入正軌
是在 Les 3酒吧（或者 The 3 ）有了 GAN 的最初想法，當(dāng)時(shí)他的朋友（現(xiàn)在是的一名研究員）博士畢業(yè)，和許多其他朋友為其送行。他們中的一個(gè)人正在描述一個(gè)新的研究項(xiàng)目，致力于從數(shù)學(xué)上界定照片中的一切，即把關(guān)于照片的統(tǒng)計(jì)學(xué)數(shù)據(jù)輸入到一臺(tái)機(jī)器從而使其自行創(chuàng)建圖片。認(rèn)為有點(diǎn)詭異，說(shuō)這永遠(yuǎn)不會(huì)奏效——因?yàn)橛刑嗟慕y(tǒng)計(jì)學(xué)數(shù)據(jù)要考慮以至于沒(méi)有一個(gè)人可以全部記錄下來(lái) 。但是在這時(shí)，他想到了一個(gè)更好的方法：神經(jīng)網(wǎng)絡(luò)可以教會(huì)機(jī)器如何創(chuàng)建真實(shí)的圖片。
神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的數(shù)學(xué)系統(tǒng)，其通過(guò)分析大量的數(shù)據(jù)以學(xué)習(xí)任務(wù) ，比如圖片中的人臉識(shí)別和理解口頭語(yǔ)言。站在酒吧之中時(shí)，想到，當(dāng)?shù)谝粋€(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)創(chuàng)建真實(shí)圖片時(shí)，第二個(gè)可以扮演敵手，鑒定這些被生成圖片的真?zhèn)?，并將其判斷回饋給第一個(gè)神經(jīng)網(wǎng)絡(luò) 。通過(guò)這種方式，他說(shuō)，可以最終教會(huì)第一個(gè)神經(jīng)網(wǎng)絡(luò)生成與真實(shí)圖像難以區(qū)分的偽造圖片。
的朋友開(kāi)始反駁，其也同樣堅(jiān)持的方法并不奏效。所以當(dāng)晚上回到家后，他構(gòu)建了 GAN 。他還記得「回到家還是有點(diǎn)醉，我就坐在那思考朋友在酒吧說(shuō)的是錯(cuò)的！后來(lái)我徹夜未眠并在筆記本上編寫(xiě)GAN ?！?說(shuō)的這個(gè)代碼是第一次嘗試。他說(shuō)：「我非常幸運(yùn)，因?yàn)槿绻?dāng)時(shí)這個(gè)模型失敗，也許就放棄了這一個(gè)想法 ?！?br /> 他和其他一些研究人員發(fā)表了一篇論文，描述那年晚些時(shí)候的思潮。隨后三年，其他數(shù)百篇論文探討了這一概念。在第一篇論文中，兩個(gè)神經(jīng)網(wǎng)絡(luò)就能產(chǎn)生可以生成手寫(xiě)數(shù)字的逼真圖像系統(tǒng) 。現(xiàn)在，研究人員將這一概念應(yīng)用到從貓到火山再到整個(gè)星系等一切事物的圖像中。它甚至能協(xié)助天文實(shí)驗(yàn)的開(kāi)展和局部物理學(xué)的模擬。
但實(shí)現(xiàn)還是非常困難。因?yàn)檫@一系統(tǒng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)不是一個(gè)，而是同時(shí)訓(xùn)練兩個(gè) 。在谷歌，當(dāng)組建了一個(gè)聚焦于 GAN 及其相關(guān)研究的團(tuán)隊(duì)時(shí)，希望精煉研究進(jìn)程。說(shuō)：“作為一名機(jī)器學(xué)習(xí)研究者，我所必須面對(duì)的是研究出十分可靠的訓(xùn)練方式。”
最后的結(jié)果：遠(yuǎn)遠(yuǎn)不只是生成圖片和聲音，還能識(shí)別圖像與聲音，這是一條實(shí)現(xiàn)優(yōu)秀系統(tǒng)的路徑——只需少量人類(lèi)干預(yù)就能學(xué)習(xí)到更多知識(shí) 。說(shuō)：“這些模型學(xué)習(xí)理解世界的結(jié)構(gòu)，并在沒(méi)有過(guò)多明確告知的情況下幫助系統(tǒng)學(xué)習(xí) ?！?br /> GAN 甚至可以實(shí)現(xiàn)無(wú)監(jiān)督學(xué)習(xí)，這在今天并不真實(shí)存在。目前，神經(jīng)網(wǎng)絡(luò)能通過(guò)分析數(shù)百萬(wàn)張貓的照片而識(shí)別出貓計(jì)算機(jī)的應(yīng)用人工智能，但前提是人類(lèi)必須在之前小心地區(qū)分圖像并為貓的照片做上標(biāo)注。實(shí)際上人類(lèi)在識(shí)別過(guò)程中參與很多，這也經(jīng)常是一個(gè)難題，即這一問(wèn)題是有偏見(jiàn)的還是在訓(xùn)練人工智能時(shí)確實(shí)需要人工干預(yù) 。像 LeCun 那樣的研究者正努力推動(dòng)無(wú)需大量人工干預(yù)就能學(xué)習(xí)的系統(tǒng)，這會(huì)加速人工智能的發(fā)展。
但這僅僅只是開(kāi)端。GAN 同時(shí)還將帶來(lái)更多的可能性。南加利福尼亞大學(xué)的人工智能研究員 David Kale 認(rèn)為，這一想法可以幫助他及其研究同事在不侵犯患者隱私的情況下構(gòu)建健康醫(yī)療人工智能 ?；旧?，GAN 可以生成偽造（fake ）的健康醫(yī)療記錄。機(jī)器學(xué)習(xí)系統(tǒng)可以在這些偽造的數(shù)據(jù)而不是真實(shí)數(shù)據(jù)上進(jìn)行訓(xùn)練。Kale 說(shuō)：“我們不能將患者數(shù)據(jù)放入到人人可用的網(wǎng)上，那么為什么我們不在偽造數(shù)據(jù)上訓(xùn)練 GAN，并創(chuàng)建一個(gè)完全合成的數(shù)據(jù)集再開(kāi)放用于其它研究呢？通過(guò)這樣的方式，任何在合成數(shù)據(jù)集訓(xùn)練的模型與在原始數(shù)據(jù)訓(xùn)練的不會(huì)有什么區(qū)別，我們有什么理由不這樣做呢？”
雖然許多研究者在探索 GAN 背后的思想，但正打算在谷歌建立一個(gè)專門(mén)團(tuán)隊(duì) 。是離開(kāi)谷歌到（該實(shí)驗(yàn)室承諾與世界分享其研究）的研究者之一。但不到一年，他又回到了谷歌，因?yàn)樗暮献髡邘缀醵荚谀抢?。說(shuō)：“在視頻通話中花費(fèi)一天的時(shí)光并不有趣。這并不是完成工作的最佳方法。”
分享很重要，密切合作也是——不管是人工智能研究者還是神經(jīng)網(wǎng)絡(luò) 。
【親述GAN簡(jiǎn)史：人工智能不能理解它無(wú)法創(chuàng)造的東西】本文到此結(jié)束，希望對(duì)大家有所幫助。